[发明专利]一种基于最近邻聚类的神经网络数据挖掘方法

摘要

本发明公开了一种基于最近邻聚类的神经网络数据挖掘方法，该神经网络数据挖掘方法采用一种改进的最近邻聚类学习算法对神经网络进行训练，使神经网络在满足精度要求的前提下，减少隐层节点数，简化网络结构，加快神经网络的学习速度，达到进一步改善神经网络学习效率和精度的目的，在此基础上用神经网络进行数据挖掘，以进一步提高神经网络对大型实际电力系统数据库进行挖掘时的效率。本发明的目的在于保证电力系统的安全、稳定、优质、经济的运行，满足数字电力系统中的海量数据以及人们对数据信息的可靠性、一致性和共享性提出的更高的要求。

主权项

一种基于最近邻聚类的神经网络数据挖掘方法，其特征在于：采用最近邻聚类学习算法对神经网络进行训练，减少神经网络的隐层节点数，简化网络结构，加快神经网络的学习速度，在此基础上用神经网络对大型实际电力系统数据库进行数据挖掘，具体步骤包括：步骤1：对实际电力系统数据库中的电力数据进行清洗和选择；步骤2：对经过步骤1处理后的电力数据预处理和转换；步骤3：对经过步骤2处理后的电力数据进行数据集管理；步骤4：针对步骤3产生的数据集，确定神经网络类型、算法并训练神经网络；步骤5：从训练好的神经网络中提取规则；步骤6：对提取的规则进行评估。